想判断一项新服务是否有效，不能只比较“用了的人”和“没用的人”。如果教育程度既影响是否使用，也影响交友和最终结果，那么朋友带来的影响、个人原本的差异和服务效果就会混在一起。普通网络因果估计即使控制个人特征，也可能因此产生偏差。
Licheng Liu 提出一种广义倾向评分——估计每个人处于某种“网络暴露”状态的概率，例如本人使用服务且身边有几位使用者。关键一步是同时建立处理选择和社交关系形成模型，并在已知特征下，对所有可能形成的网络取平均，而不是把眼前这张关系网当成固定事实。论文再用双重稳健估计器计算处理效应；只要评分模型或结果模型有一个设定正确，估计仍有机会保持可靠。
这种做法能估计面向“人群与可能网络”的平均效果，还能讨论低连接者在当前网络里无法达到的暴露水平。但代价也很明确：它要求影响交友、处理选择和结果的相关因素已被观测，这是很强的假设。论文以乌干达 16 个村庄、3018 名受访者的政治沟通技术采用数据作应用，其中 135 人采用了该技术；具体效果数值在所给原文片段中尚未披露。